一种电力调度监控处理方法与流程

本发明属于电网巡检技术领域，尤其涉及一种电力调度监控处理方法。

背景技术：

随着电网规模的发展，传统意义上采用人工巡检的方式已经难以满足实际需要，一方面电网规模巨大，传统的人工巡检方式耗时耗力，各种自动化巡检以及远程巡检技术成为未来发展的重要方向，包括电子巡检以及视频巡检，由于电网设施众多，很多情况下仍需要使用图像或视频画面来对设施或场地的情况进行分析了解。视频巡检有效降低了人力资源的负担，能够随时以及持续对目标设施或场地进行巡检，利用无人机或者机器人以及各类静置的摄像头，能够实现电网重要装置以及场地的完全覆盖，但同时，这些视频监控产生了大量的视频和图像数据，需要人工来进行查看，一方面大量的数据量对存储资源以及设备的需求庞大，另一方面海量的视频需要巡检者依次查看，而这些视频中包含大量相同、重复或者变化微小不含实质内容的视频图像，降低了巡检的效率。

技术实现要素：

本发明创造的目的在于，提供一种一种电力调度监控处理方法，其能够有效减小需要查看的视频数据量，针对各待检元素甄别和挑选重要的视频帧，提高视频巡检的效率。

为实现上述目的，本发明创造采用如下技术方案。包括如下步骤：

①获取i帧图像：读取mpeg视频，依次从mpeg视频中提取i帧图像并保存，将i帧图像分成n*n个子块，并在坐标系中以(i，j)坐标来标记；利用mpeg标准mpeg视频的解码方式获取各i帧的基本数据；所述i帧是指mpeg视频帧序列中的帧内图像，即作为帧内编码的图像；

②计算特征量以及特征差值：提取各i帧内各子块数据，对每帧内每一个子块分别进行离散余弦变换，得到每个子块图像的dct系数，包括dc系数(基色调直流系数)和ac系数(纹理交流系数)，得到各i帧内子块的特征量cn及其特征量差值sim(cn，cn+1)，其中，

sim(cn，cn+1)＝|cn+1-cn|；其中dcn(i，j)表示第n帧的第(i，j)个子块的直流分量；acn(i，j)表示第n帧的第(i，j)个子块的交流分量；α和β分别为直流分量和交流分量对特征量的影响权重，且α+β＝1、α＞β；

计算每帧特征量cn，并根据sim(cn，cn+1)绘制特征差值曲线；

③曲线重绘：以特征差值曲线为源信号，对其进行小波变换，得到特征差值信号的能量分布的小波系数数据，根据能量小波系数数据剔除噪音信号保留有效信号，重新获取曲线局部的谷值和峰值，重绘特征差值曲线；

④mpeg视频重构：以重绘后的特征差值曲线为参考进行重构，平滑曲线，突出曲线特征，重构mpeg视频；

⑤待检元素特征描绘：建立待检元素的3d模型或者提取现场mpeg视频中的优质图片，从不同角度获取待检元素的图片建立正样本，提取正样板中的haar-like特征，以边缘特征、线性特征、中心环特征、对角线特征为基本特征，以m*m像素为训练样本，进行特征选择以及分类器训练，得到强分类器，所述m*m像素不小于mpeg标准mpeg视频中最小色度单元的像素；

⑥以上述元素强分类器其结果以及其基本特征，对步骤④中重构后的mpeg视频进行检测和定位，获取由仅包含有待检元素的帧构成的新mpeg视频；

⑦通过新mpeg视频对待检元素进行检查。

上述方案的具体内容还包括，所述步骤③中的内容包括：获取特征能量差值信号的小波系数数据，将小波系数的绝对值与门限阈值相比较，绝对值大于门限阈值的小波系数不变，绝对值小于或者等于门限阈值的小波系数均置零。

上述方案的具体内容还包括，所述步骤③中的内容包括：获取特征能量差值信号的小波系数数据，将小波系数的绝对值与门限阈值相比较，绝对值大于门限阈值的小波系数设定为该小波系数与门限阈值的差值，绝对值小于或者等于门限阈值的小波系数均置零。

上述方案的具体内容还包括，所述步骤④中的曲线重构内容包括：以重绘后的特征差值曲线为参考，利用傅立叶描绘子对曲线进行重构，使曲线平滑，突出曲线特征，以重构后的曲线为基础，提取i帧图像，重新构建mpeg视频。

上述方案的具体内容还包括，所述步骤⑤中，其具体内容包括：

1)建立待检元素的3d模型或者提取现场mpeg视频中的优质图片，从不同角度获取待检元素的图片建立正样本；

2)提取正样板中的haar-like特征，以边缘特征l1、线性特征l2、中心环特征l3、对角线特征l4为基本特征，以m*m像素为训练样本，提取上述基本特征的特征数据；

3)以每一个基本特征为基础生成基本分类器，利用特征的位置信息，对训练样本进行统计得到对应的基本特征参数；

4)以adaboost算法为基础，对得到的基本分类器lr(x)(r＝1、2、3、4)，当lr(x)为错分样本时，增加其权重值，当lr(x)为正确样本时，降低其权重值，重新划分权重值之后，得到基本分类器，依次重新划分，可以得到多层次的分类器。每一层分类器均通过上一层的基本分类器重新划分权值得来，并按照权重累积，获取强分类器。

上述方案的具体内容还包括，所述步骤⑤中，对待检元素的正样本使用m*m像素为训练样本进行训练时，每一个样本图片中所有基本特征的总数不小于10³个，若小于10³个，则减小m的取值。

其有益效果在于：本发明提供的电力调度监控处理方法，通过多层次的图像处理方法与处理方法，在保证影响书品巡检的效果的前提下，能够充分简化视频帧数、压缩视频体积，剔除重复以及多于画面，同时进一步根据待检元素缩小视频体积，减少需要浏览的视频的数据量，提高视频巡检的效率，降低所需要的数据量。

附图说明

图1是本发明的一种xx的原理示意图；

图2是mpeg视频的标准编码格式；

图3是子块重建的原理示意图。

具体实施方式

以下结合具体实施例对本发明创造作详细说明。

再配电网视频监控巡查过程中，由于电网规模大，基础元素多，因此涉及大量的视频以及图像数据，其中视频的处理和巡视是实现电网远程在线巡查、无人机巡检的基础；由于数据量庞大，若直接使用原有的视频数据进行查看，一方面需要耗费大量的时间和资源，另一方面由于图像中不仅包含待检元素，还包括大量的无关元素，直接查看造成人力及资源的大量浪费，因此有必要对原有视频数据进行处，以提高数据的使用效率，降低所需的资源及成本。基于此，本发明提出了一种电力调度监控处理方法(如图1所示)，下面对其基本步骤作说明。

一、获取i帧图像

mpeg标准是现在应用最为广泛，性能强大的视频压缩标准，本发明也是基于该标准下实现。mpeg视频帧序列中，包括i帧-帧内图像、p帧-预测图像、b帧-双向插值图像三种图像，这三种图像组成图像组作为mpeg的标准编码单元(如图2所示)，其中只有i帧保留了该标准编码单元的完整图像信息，基于巡检中查看图像的需要，我们只需要使用i帧内的图像信息，通常情况下，i帧是作为标准编码单元的第一帧，由于是帧内编码，不需要参考之前或者之后的帧图像，因此可以很方面的在标准编码单元中提取i帧的数据，在特殊情况下，i帧可能不是第一帧而是在其他帧位，但利用其独立性，依旧可以便捷的提取，视频针序列中图像的提取方法较多，且技术成熟，使用各种软件程序(如matlab、c函数)可以简单快捷的进行固定帧位的提取。

从各摄像机或者数据库中读取mpeg视频，在进行分类以及整理之后，依次从需要进行巡检或者使用的mpeg视频中提取所有的i帧图像并保存，特别的，在提取i帧图像时应当按照视频流的时间顺序依次提取，并按照各i帧图像提取的次序依次进行保存或命名，以确保后序进行视频从购时，各i帧图像之间的相对位置保持基本不变；

为提高图像和视频的辨别度，不宜对整个图像进行处理，因此将各i帧图像分成n*n个子块，并在坐标系中以(i，j)坐标来标记(1≤i≤n，1≤j≤n)；利用mpeg标准mpeg视频的解码方式获取各子块的基本数据；

特别的，mpeg视频通常先进性dct变换(离散余弦变换)，再利用量花旗量化dct系数，最后将系数矩阵通过z形扫描进行熵编码，其他还包括比特分配、频率控制等阶段；通过电网中mpeg的编码处理方案，通过熵解码、逆量化以及idct等步骤即可重建各子块的数据(如图3所示)。

二、计算特征量以及特征差值

虽然步骤一中仅保留了i帧的数据，但数据量仍然很大，同时由于电网中设施装置基本都是静止，因此在一个镜头内的各帧的内容可能保持不变或者仅有微小差别，这些微小差别或者相同的帧不能提供巡检所需要的信息，为提高视频巡检的效率以及压缩视频容量，在提取了各i帧内各子块数据之后，还应当对上述重复或者近似的图像进行剔除，因此，需要对各i帧内每一个子块分别进行离散余弦变换，得到每个子块图像的dct系数，包括dc系数(基色调直流系数)和ac系数(纹理交流系数)，得到各i帧内子块的特征量cn及其特征量差值sim(cn，cn+1)，其中，

sim(cn，cn+1)＝|cn+1-cn|；其中dcn(i，j)表示第n帧的第(i，j)个子块的直流分量；acn(i，j)表示第n帧的第(i，j)个子块的交流分量；α和β分别为图像中直流分量和交流分量对特征量的影响权重，且α+β＝1；α＞β。

依据上述数据计算每帧特征量cn，并根据sim(cn，cn+1)绘制特征差值曲线。

三、曲线重绘

以步骤二中得到的特征差值曲线为源信号，对其进行小波变换，得到特征差值信号的能量分布的小波系数数据，小波系数的大小代表了相邻帧之间图像数据的差异，因此，根据能量小波系数数据可判断相邻帧图像的变化度，进而剔除噪音信号(指特征差值曲线的噪音信号，相对于帧图像中即连续的近似后者相同帧图像)保留有效信号，重新获取曲线局部的谷值和峰值，重绘特征差值曲线；

其中，去噪过程可以用两种方式，即硬阈值或软阈值去噪

硬阈值去噪：获取特征能量差值信号的小波系数数据，将小波系数的绝对值与门限阈值相比较，绝对值大于门限阈值的小波系数不变，绝对值小于或者等于门限阈值的小波系数均置零。

软阈值去噪：获取特征能量差值信号的小波系数数据，将小波系数的绝对值与门限阈值相比较，绝对值大于门限阈值的小波系数设定为该小波系数与门限阈值的差值，绝对值小于或者等于门限阈值的小波系数均置零。

四、mpeg视频重构

以重绘后的特征差值曲线为参考，利用傅立叶描绘子对曲线进行重构，使曲线平滑，突出曲线特征，以重构后的曲线为基础，提取i帧图像，重新构建mpeg视频。

五、待检元素特征描绘

经过上述步骤，在视频流中重复的以及变化微小的视频帧的到剔除以及简化，在视频流中仅包含重要的以及包含数据变化的重要帧图像，在节能型巡检以及查看时可以大大简化需要查看的数据量以及视频时长，为了进一步提高视频巡检的效率，我们可以根据视频中的待检元素对视频进行进一步提取，获得仅包含有待检元素的图像和视频画面，进而再次提高查看效率，压缩视频体积。

其具体方法和步骤如下。

建立待检元素的3d模型或者提取现场mpeg视频中的优质图片，从不同角度获取待检元素的图片建立正样本；需要指出的是，待检元素的3d模型的尺寸比例应当与电网中使用的实物或者标准尺寸相当，可以单独采用照片(航拍图像等)或者3d模型，也可以将两者混合提取正样本。

为便于利用计算机进行统计分析，利用haar-like特征对正样本数据进行提取，以边缘特征l1、线性特征l2、中心环特征l3、对角线特征l4为基本特征，以m*m像素为训练样本，提取上述基本特征的特征数据；以每一个基本特征为基础生成基本分类器，利用特征的位置信息，对训练样本进行统计得到对应的基本特征参数；

以adaboost算法为基础，对得到的基本分类器lr(x)(r＝1、2、3、4)，当lr(x)为错分样本时，增加其权重值，当lr(x)为正确样本时，降低其权重值，重新划分权重值之后，得到基本分类器，依次重新划分，可以得到多层次的分类器。每一层分类器均通过上一层的基本分类器重新划分权值得来，并按照权重累积，获取强分类器。

对待检元素的正样本使用m*m像素为训练样本进行训练时，每一个样本图片中所有基本特征的总数不小于10³个，若小于10³个，则减小m的取值。

六、以上述元素强分类器其结果以及其基本特征，对步骤④中重构后的mpeg视频进行检测和定位，获取由仅包含有待检元素的帧构成的新mpeg视频；

七、通过新mpeg视频对待检元素进行检查。

最后应当说明的是，以上实施例仅用以说明本发明创造的技术方案，而非对本发明创造保护范围的限制，尽管参照较佳实施例对本发明创造作了详细地说明，本领域的普通技术人员应当理解，可以对本发明创造的技术方案进行修改或者等同替换，而不脱离本发明创造技术方案的实质和范围。